一、三条命令，从简到繁

最简单：pip install 包名。装最新版。 指定版本：pip install 包名==2.5.2。复现别人的环境时用。 按清单装：python -m pip install -r requirements.txt。真实项目的标准做法。 装完想确认：pip list 看全部、pip show 包名 看单个的详情（版本、依赖、装在哪）、 pip freeze 输出一份可以直接当 requirements.txt 用的清单。 pip freeze 是「我这环境到底有什么」的权威答案。

二、requirements.txt 的四种写法

numpy：任意版本。图省事时用，但不可复现——今天装的和明天装的可能不是同一个版本。 numpy==2.5.2：必须正好是它。复现实验的标准写法，缺点是锁得太死，别的包要求不同版本时会冲突。 numpy>=2.0：不低于 2.0。 只要求「有某个新特性」时用，但它允许装到未来任何版本，哪天出了破坏性变更就会突然崩。 numpy~=2.5.2：2.5.x 里最新的，但不跨到 2.6。 这在「要补丁、不要破坏性变更」时最合适——兼顾了安全和更新。 实际操作里常见的组合是： 顶层依赖用 ~= 或 >= 写宽一点，然后用 pip freeze 生成一份锁死的清单给部署用。 一份给人看，一份给机器看。

三、装到哪去了：最容易错的一步

pip install 装到「当前这个 pip 所属的环境」。而 pip 是哪个环境的，又取决于你敲的是哪一个。 这就有了套娃。 三种写法的差别：pip install 包名 装到 PATH 上第一个 pip 的环境（可能不是你想的）； python -m pip install 包名 装到这个 python 的环境；激活环境后 pip install 装到被激活的环境。 推荐永远用 python -m pip。 它把「哪个 python」和「装包」绑死在一起，少一层歧义。 排查「装了却 import 不到」时，第一件事就是换成这个写法再试一次。 还有一个隐蔽的坑： 装完不重启解释器，某些情况下 import 不到。 Jupyter 里尤其明显——它启动时就把模块表加载好了， 装完包得重启内核。这不是装错了，是没刷新。

四、装不上怎么办：四种常见原因

一是网络。 国内直连 PyPI 慢，换镜像源： pip install 包名 -i https://pypi.tuna.tsinghua.edu.cn/simple。 建议一次配好，以后不用再敲（pip config set global.index-url ...）。 二是没有现成的轮子（wheel）。 纯 Python 包好办，带 C 扩展的包需要编译， Windows 上没装编译器就会失败。这时候看报错里有没有「building wheel」——有就说明在尝试编译。 三是版本不兼容。 报错里会写「requires Python >=3.10」或者「no matching distribution」。 这时候要么换包版本，要么换 Python 版本。 四是权限。 系统 Python 的 site-packages 可能要管理员权限。 这也是用虚拟环境的理由之一——自己的文件夹，不用任何权限。

五、最后：把这一章连起来

三节合起来是一条线： 装 Python（别装 32 位、记住 PATH）→ 建虚拟环境（隔离、可删可重建）→ 装包（用 python -m pip、 写 requirements.txt）。 这条线跟算法无关，但它决定了你能不能把书上的代码跑起来。 很多人卡在这里就放弃了，误以为自己「学不会机器学习」——其实只是 pip 装到了另一个 Python 里。 全书到这里结束。 回头看： 十七个算法的原理在第 2、3 章，判断好坏的方法在第 4 章，把它们跑起来的地基在第 5 章。 三样都齐了，剩下的就是拿真实数据反复练。

六、动手 Demo：数一数环境里有什么，再核对一份清单

这一段不需要联网。 它做两件事：列出当前环境已装的包（这里 91 个），再拿一份五行清单去逐条核对——谁满足、 谁版本不对、谁压根没装。 核对的逻辑就是 pip install -r 干的事，只是我们把它拆开、把每一步的结果打出来，好看清它在干什么。

from importlib import metadata

# 这个环境里已经装了什么
for d in metadata.distributions():
    print(d.metadata["Name"], d.version)

# requirements.txt 里的四种写法，含义完全不同
#   numpy            任意版本
#   numpy==2.5.2     必须正好是它
#   numpy>=2.0       不低于 2.0
#   numpy~=2.5.2     2.5.x 里最新的

# 永远用这种写法装包：把「哪个 python」和「装包」绑死
#   python -m pip install -r requirements.txt

实跑输出：

--------------------------------------------------------------------
装包：把「要哪几行」写清楚
--------------------------------------------------------------------

  装包本身只有一条命令：`pip install 包名`。麻烦的从来不是敲命令，而是
  **「装哪个版本」「装到哪去」「以后怎么复原」**这三件事。

  【一】这个环境里现在有什么
  包                            版本
  ------------------------------------------------
  anyio                         4.15.1
  av                            18.1.0
  bitarray                      3.11.0
  bitstring                     4.4.0
  certifi                       2026.7.22
  cffi                          2.1.1
  charset-normalizer            3.5.1
  click                         8.5.0
  一共 **91** 个已安装的包。**装包之前先数一遍，装完再数一遍**
  ——数字变了，才说明真的装进去了。

  【二】requirements.txt 怎么读
  实际项目不会一句一句 `pip install`，而是把依赖写进一个文本文件，**一行一个约束**，
  然后 `pip install -r requirements.txt` 一次装完。写法有几种，含义完全不同：
  写法              含义                          什么时候用
  ----------------------------------------------------------------------------
  numpy             任意版本                      不关心，能跑就行
  numpy==2.5.2      必须正好是这个版本            复现别人的环境
  numpy>=2.0        不低于 2.0                    只要求有某个新特性
  numpy~=2.5.2      2.5.x 里最新的（不改中间位）  要补丁不要破坏性变更

  【三】拿这份清单去核对现有环境
  包            已装版本      要求            结果
  ----------------------------------------------------
  numpy         2.5.2         == 2.5.2        满足
  pyyaml        6.0.3         >= 6.0          满足
  matplotlib    3.11.1        >= 3.8          满足
  pandas        未安装        >= 2.0          缺
  torch         未安装        >= 2.0          缺
  **五个要求里 3 个满足，剩下的要么没装、要么版本不对。**
  `pip install -r requirements.txt` 干的就是这件事：逐条核对，不满足就去装。

  【四】装到哪去了：这是最容易错的一步
  `pip install` 装到「当前这个 pip 所属的环境」。而 `pip` 是哪个环境的，
  又取决于你敲的是哪一个——**这就有了一层套娃。**
  你敲的命令                        装到哪
  ----------------------------------------------------------------------------------------
  pip install 包名                  PATH 上第一个 pip 所属的环境（可能不是你想的那个）
  python -m pip install 包名        这个 python 所属的环境
  （激活环境后）pip install 包名    被激活的那个环境
  **推荐永远用 `python -m pip` 这种写法。**
   它把「哪个 python」和「装包」绑死在一起，少一层歧义。
  **这是排查「装了却 import 不到」时第一个要换的写法。**

「一共 91 个包」这个数本身没什么意义，但它的变化有意义。 装包前后各数一次， 数字变了才说明真装进去了——这比「没报错」可靠得多。 核对表那五行是这一节的落点。numpy 2.5.2 对上 ==2.5.2，满足；pyyaml 6.0.3 满足 >=6.0； matplotlib 3.11.1 满足 >=3.8；pandas 和 torch 是「未安装」，直接判缺。 「五个里三个满足」这个结果很典型。真实项目里清单几十行，永远是「大部分满足、少数几个不对劲」。 关键是让工具去核，不要靠人记。 最后那段讲「装到哪」的三种写法，值得抄在便签上。 pip install 和 python -m pip install 看起来只差几个字符，装错地方的时候能查一整天。

30 秒实验

1. 用 pip freeze 导出一份清单，再和新环境对比，差多少行？
2. 把清单里的 >= 全改成 == 并写上当前版本，这份清单在别的机器上能一次装成吗？
3. 故意写一个不存在的包名去核对，看报错长什么样——和「版本不满足」的报错有什么区别？

常见误区

1. 用 pip 而不是 python -m pip。前者跟着 PATH 走，可能装到别的环境里。 后者把「哪个 python」和「装包」绑死。
2. requirements.txt 全写 >=。今天能装，半年后某个包出了破坏性更新就崩。 给人看的写宽，给机器装的锁死。
3. 装完不验证。「没报错」不等于「装上了」。 装完立刻 python -c "import 包名; print(包名.__version__)"。

全书完。 十七个算法、一套评估方法、一条环境搭建路线——接下来该做的是找一份自己真正关心的数据， 把这条流水线从头跑一遍。

• ☐ （全书完）

相关笔记

• Python 3 的安装
• 虚拟环境
• 机器学习的步骤
• 🧮 图解机器学习算法 · 索引